Producție vocală Instrument specializat

Из текста — голос для вашего материала.

Студия для генерации, прослушивания и скачивания голосовых материалов с помощью моделей text-to-speech. Интерфейс объединяет выбор голоса и настройки, полезные для производства.

Discută o demonstrație Как это работает Смотреть пример

1Text și voce
2Generare audio
3Ascultare și export

Schemă explicativă ·Voice Studio

Voice Studio

От информации к сделанному делу.

Вы подготавливаете текст

Вы пишете материал и выбираете голос, авторизованный для использования.

Reglezi

Вы настраиваете параметры и доступные опции голосовой модели.

Revizuiești

Вы прослушиваете, исправляете и скачиваете материал для проекта.

Где это становится полезным.

Narațiune

Пояснительные материалы, презентации и аудиоконтент.

Producție

Поток генерации и проверки для контент-команд.

Experimentare

Сравнение интерпретаций текста перед использованием.

Инструмент использует голосовые модели интегрированных поставщиков. Применяются затраты, права на голоса и правила поставщика.

Voice Studio в деталях

Что вы можете делать с этим проектом.

Voice Studio — это цепочка от текста до аудиофайла: вы пишете текст, выбираете голос, ставите метки эмоций и пауз, настраиваете модель, прослушиваете, исправляете и скачиваете. Поставщик — ElevenLabs — мы называем его по имени, потому что именно это определяет, какие голоса можно использовать, сколько это стоит и что вам разрешено делать с результатом.

Часть, которую не видно и которая на самом деле является причиной существования инструмента: API-ключ никогда не попадает в браузер. Интерфейс отправляет только текст в собственную серверную функцию, а та хранит ключ и взаимодействует с ElevenLabs. Без этого слоя любая страница, которая генерирует голос, раскрывает свой ключ любому, кто откроет консоль браузера.

Это не Grai. Grai — это исследование голосовой модели, без продукта. Voice Studio — это производство с интегрированным поставщиком, доступное уже сегодня. Эти два решения не разделяют ни один код.

Четыре модели, выбранные ради разных компромиссов

Eleven v3 для выразительности и меток эмоций, Multilingual v2 для стабильности, Turbo v2.5 для стоимости, Flash v2.5 для минимальной задержки. Это не четыре варианта одного и того же: v3 принимает метки, которые остальные игнорируют, а Flash жертвует нюансами ради скорости.

Метки актёрской игры, а не просто текст

В Eleven v3 вы можете вставлять в текст 14 эмоциональных состояний (от [excited] и [whispers] до [sarcastic] и [tired]), 9 невербальных и паузных меток ([laughs], [sighs], [clears throat], [pause], [breathes]) и 7 меток подачи ([rushed], [drawn out], [singing], [muttering], [quietly]). Они вставляются в позицию курсора, потому что место имеет значение не меньше, чем сама метка.

Настройки, которые видны в результате

Стабильность, сходство с исходным голосом, степень стилизации, скорость от 0,7 до 1,2, плюс импульс говорящего. В v3 стабильность — это не непрерывный ползунок, а три ступени — Creative, Natural, Robust — потому что модель ведёт себя дискретно, а не непрерывно, и тонкий ползунок создавал бы иллюзию несуществующего контроля.

Пять форматов экспорта, включая один для телефонии

MP3 при 44,1 kHz 128 или 192 kbps, MP3 22 kHz 32 kbps для небольших файлов, PCM 44,1 kHz для необработанного WAV, который входит в монтаж, и μ-law 8 kHz — формат телефонии, если материал попадает в IVR или в телефонную станцию.

Восемь языков с принудительным выбором или определение из текста

Румынский, русский, английский, украинский, французский, итальянский, испанский, немецкий — или оставить на автомате. Принудительный выбор языка важен в смешанных текстах, где автоматическое определение ошибается именно на именах собственных.

Данные и работа

Что входит в систему. Что нужно проверить.

Ключ находится в одном месте: В зашифрованной переменной среды на сервере, никогда в коде, в git или во frontend. Браузер вызывает только нашу собственную функцию. Ключ получает в ElevenLabs только разрешение на синтез, без доступа ко всему аккаунту, плюс месячный лимит символов — потому что настоящая защита ключа заключается не в его секрете, а в том, какой вред он может причинить, если утечёт.
Текст поступает поставщику: Это прямое следствие использования внешнего поставщика: текст, который вы отправляете на синтез, уходит в ElevenLabs. Текст с персональными данными, не опубликованными ценами или клиентской информацией не отправляется без авторизации. Это не формальность — это единственное решение по соответствию, которое инструмент передает пользователю.
Голоса клонируются, значит, требуется согласие: Зафиксированные в интерфейсе голоса — это не библиотечные голоса, а голоса, клонированные из образцов реальных людей через интерфейс клонирования ElevenLabs. Это значит, что речь идет не о лицензии продукта, а о согласии человека. В Республике Молдова Закон 195/2024 рассматривает голос как биометрические данные с 23 августа 2026 года.
Ничего не сохраняется: Сгенерированные результаты остаются в памяти вкладки браузера, максимум последние 12, и исчезают при перезагрузке. Нет базы данных, нет истории на сервере, нет аккаунта. Аудио-ответ передается с Cache-Control: no-store.
Что вы можете делать с результатом: Подписка ElevenLabs предоставляет право коммерческого использования сгенерированного материала, но их политика использования прямо запрещает использовать выходные данные для обучения, тестирования или создания конкурирующей системы. Практически: аудиофайл может быть использован в клиентском материале; он не может стать обучающими данными для собственной модели.

От исследования к внедрению

Как мы готовим проект с Voice Studio.

Уточняем материал и кто его слушает

Радиоролик, презентационная озвучка и IVR-сообщение имеют разные требования к формату, ритму и длине. Формат экспорта выбирается здесь, а не в конце.

Сначала решаем вопросы с правами на голос

Какой голос используется и на каком основании согласия. Если нужен новый голос, клонирование требует образцов и согласия человека, а не только аудиофайла.

Генерируем, слушаем и исправляем текст, а не настройки

Большинство проблем с произношением решаются переписыванием текста, а не перемещением ползунков: сокращения раскрываются, числа пишутся словами там, где есть неоднозначность, а собственные имена тестируются отдельно перед тем, как их вставить в предложение.

Передаем файл и фиксируем, что разрешено

Проверенный экспорт, плюс примечание о использованном голосе и ограничениях использования — чтобы материал можно было использовать повторно через шесть месяцев без повторного обсуждения прав.

Вопросы, которые стоит уточнить.

Какого поставщика вы используете?

ElevenLabs. Наша серверная функция напрямую вызывает api.elevenlabs.io, endpoint синтеза. Это не абстрактный поставщик: от него зависят доступные голоса, стоимость, форматы вывода и правила использования результата.

Какие голоса я могу использовать?

Те, что закреплены в интерфейсе, — это клонированные голоса из предоставленных образцов, а не библиотечные голоса. Новый голос создается загрузкой образцов через интерфейс клонирования ElevenLabs, с их лимитом 11 МБ на файл; сверх него мы автоматически перекодируем в mono 22 kHz 64 kbps. Нетехническая часть здесь самая важная: клонирование голоса человека требует согласия этого человека. В Республике Молдова голос является биометрическими данными с 23 августа 2026, поэтому публичная запись ничего не авторизует.

Сколько текста я могу отправить сразу?

5.000 символов на запрос, лимит, установленный нами, а не поставщиком. Причина — стоимость: ошибочный запрос с текстом в сто раз длиннее — это счет, а не ошибка. Функция имеет 60 секунд на выполнение, чего достаточно для блока такого размера.

В каких форматах экспортирует?

MP3 44,1 kHz 128 kbps (по умолчанию) или 192 kbps, MP3 22 kHz 32 kbps для маленького размера, PCM 44,1 kHz для необработанного WAV и μ-law 8 kHz для телефонии. Последний — тот, о котором все забывают, а потом обнаруживают, что материал плохо звучит в телефонной станции.

Могу ли я использовать сгенерированный аудиофайл, чтобы обучить собственный голос?

Нет. Подписка ElevenLabs дает вам право коммерческого использования материала, но их политика использования прямо запрещает применять выход для обучения, тестирования или разработки конкурирующей системы. Файл, переданный клиенту, — это нормально; тот же файл как данные для обучения собственной модели — нет. Это различие дорого стоит, если его игнорировать, и именно поэтому Grai не обучается ни на чем, что выходит отсюда.

Сохраняется ли где-то то, что я сгенерировал?

Нет. История живет в памяти вкладки, максимум 12 генераций, и исчезает при перезагрузке. Нет ни аккаунта, ни базы данных, ни хранения на сервере; аудиоответ явно помечен как не подлежащий кэшированию. Если вам нужен файл, вы скачиваете его в тот момент.

Могу ли я использовать его сам?

Не сегодня. Развертывание находится за аутентификацией Vercel и, опционально, за дополнительным токеном доступа, который требуется как заголовок в каждом запросе. Это внутренний рабочий инструмент для производства материалов, а не сервис с регистрацией. Мы поставляем аудиоматериал, а не доступ к панели.

Показательный пример

Нарратив презентационного материала на двух языках

Сценарий использования, без данных клиента или приписанных коммерческих результатов.

Исходная ситуация

Текст продуктовой презентации, который нужно прочитать на румынском и русском одним и тем же голосом, с той же энергией.

Как это работает

Выбирается Eleven v3 для выразительности и язык явно принудительно задается для каждой версии, вместо того чтобы полагаться на автоматическое определение — в текстах с собственными именами определение ошибается именно там, где это слышно сильнее всего. Стабильность ставится на Natural; паузы отмечаются в тексте как [pause] и [short pause] в точной позиции, а не в конце фразы. Слушают и исправляют текст, а не ползунки.

Rezultatul

Два файла MP3 44,1 kHz, один и тот же голос, одна и та же энергия, скачанные в момент генерации. Если материал должен пойти в монтаж, берут PCM вместо MP3, чтобы не сжимать дважды.

Ce este necesar:Vocea trebuie să fie una pentru care există acordul persoanei clonate. Textul nu trebuie să conțină informație care nu are voie să ajungă la un furnizor extern.

Возможности сотрудничества

Voice Studio, в контексте вашей организации.

Обработка аудиоконтента

Проекты по транскрибации и голосовой генерации на материалах, для которых есть право использования и задокументированная цель.

Частные компании

Мы определяем пилот вокруг реального процесса: пользователи, данные, интеграции, затраты и критерии приемки. Масштабирование следует после оценки результата.

Государственные учреждения и компании

Мы устанавливаем требования к доступности, размещению, защите данных и совместимости. Любое соединение с сервисами AGE или STISC требует проверки соответствия, доступа и утверждений.

Это сценарии адаптации, а не заявления о существующих контрактах или партнерствах. Предлагаемые функции подтверждаются в рабочей области проекта.

Обсудить пилот

Часть экосистемы.

Голосовые ИИ-агенты

Kallina

Строим агентов, которые принимают и инициируют звонки, используют информацию бизнеса и работают с вашими системами.

Platformă

Голосовые исследования

Grai

Grai — наше исследовательское направление в синтезе речи и моделях, приспособленных к языкам, на которых здесь говорят.

Cercetare & dezvoltare

Analiză audio & media

Monitor Radio

Инструмент для захвата, транскрибации и организации радиорекламы.

Instrument specializat

Что вы хотели бы наладить?

Расскажите о своём процессе. Вместе определим, что стоит построить, что можно подключить и как проверим результат.

Давайте обсудим